可视化嵌入空间(神经网络)是什么意思？

Question

我读到了一篇活动表彰论文https://arxiv.org/pdf/1705.07750.pdf。在这里，他们在inception v1上使用3D卷积来执行活动识别。我听了一个演讲，内容是视频中特征的可视化嵌入空间。

1)可视化嵌入空间意味着什么？你是在看它学到的过滤器，还是在寻找类似活动的集群？

2)您是否只是将权重矩阵可视化，以查看它所捕获的特征？如果是，哪个权重矩阵？

3) tf.summary.image()是否有助于可视化权重矩阵？

Answer 1

嵌入空间是由某种学习算法产生的特征空间。在(卷积)神经网络的特定情况下，这通常意味着某个预定义层上的一个输出特征映射(展平)或一个完全连接的层的输出。

人们将可视化的不是权重矩阵，而是一些输入测试数据的生成特征的值。例如，取完整的测试集并将其通过网络，然后计算特定层上每个图像的特征，然后可视化这些值。

TensorBoard具有自动可视化嵌入和其他功能空间的功能，您应该尝试一下look。

请注意，在某些应用程序上下文中，如NLP，嵌入的定义略有不同，但用法是相同的。